2020, Vol. 41
2. 国家气候中心, 北京 100081
2. National Climate Center, Beijing 100081, China
粤港澳大湾区不仅聚集了人口在数百万以上的国际化城市, 也有几十个人口在几十万左右的中等城市, 作为近30 a全球经济发展最快的地区之一, 雾、霾问题日益严重, 导致的环境及人类健康问题引起了越来越多的关注[1].大气污染是大多数发展中国家在城市化、工业化进程中普遍面临的一个难题.对大气环境状况的调查和研究越来越得到人们的重视.国外许多国家较早开展了这方面的工作.美国对可吸入颗粒物的研究始于20世纪80年代初, 并于1985年美国国家环保署将原颗粒物质指示物总悬浮颗粒物(TSP)修改为PM10.欧美其他国家在PM2.5研究方面也做了大量的工作.我国在这方面虽然起步比较晚, 但也开展了卓越的研究工作, 众多学者对珠三角地区大气环境问题开展了广泛研究.
吴兑等[2]采用风矢量分析发现珠三角区域灰霾天气过程与区域静小风过程关系密切；Fan等[3]通过边界层探测试验研究发现高压反气旋、台风外围下沉气流以及海陆风会导致珠三角地区污染物高浓度积累.也有涉及污染物跨区域输送对珠三角区域空气质量影响方面的研究, 如王淑兰等[4]和胡晓宇等[5]分别采用CALPUFF和Models-3/CMAQ模式系统模拟珠三角地区污染物的扩散与输送特征, 表明珠三角城市间污染物相互作用显著.周军芳等[6]和陈燕等[7]分别采用监测和模拟的方法研究了珠三角地区快速城市化过程对环境气象要素及局地大气污染物扩散的影响, 表明城市化过程导致城市风速减小、城市夜间逆温增强和污染物扩散范围变小.李菲等对广州番禺大气成分站2006~2010年期间的SO2资料进行分析, 讨论了珠江三角洲地区地面SO2体积分数的年、季节、月、日变化的特征和概率的分布特征[8].符传博等[9]利用线性回归、聚类分析及相关分析等统计方法对华南地区57个地面气象站的观测资料进行分析, 探究近54年华南地区霾日数的时空变化特征及其气候成因.结果表明, 年平均霾日数大值区主要分布在广东珠江三角洲(珠三角)地区和广西中东部.刘建等[10]基于2014年4月至2015年3月珠江三角洲56个环境监测子站以及9个城市的逐时PM2.5浓度数据, 对珠三角地区的颗粒物进行了系统聚类分析和相关性分析, 将珠三角地区PM2.5的区域污染分为3种类区.
从20世纪开始, 臭氧(O3)浓度不断增加, 如今已经成为城市低层重要的大气污染物之一.在过去的10 a间, 全球臭氧浓度都呈现出上升趋势[11, 12]. 2009~2010年, 有学者研究发现中国各地O3污染现象也频繁发生, 中国的中南部特别是沿海城市尤为突出[13~15].O3可增加大气的氧化性, 促进大气中SO2、NO2和VOCs的氧化和气粒转化为颗粒物的过程, 进而增强PM2.5等颗粒物污染.高浓度的地面O3也会增加城市光化学烟雾发生的频率[16, 17].随着城市的迅速发展, 机动车数量急剧增加, 城市空气中的O3浓度也在急剧增加.据2015年环境公报显示[18]的数据, O3污染情况已经日趋严重.为了解O3浓度的日变化, 段晓瞳等[19]根据2015年全国189个城市的近地面臭氧浓度数据分析近地面臭氧浓度的变化特征.
尽管地基观测技术对大气污染物监测有精度高的优势, 但短板也较为明显, 以PM2.5观测为例, 到目前为止, 对PM2.5的观测手段相对缺乏, 数据系统性较差, 其站点分布相对稀疏, 无法获取大范围PM2.5空间分布特征, 而卫星遥感覆盖范围广, 反演信息更全面, 能够有效弥补地面监测站点在空间上的不足.因此, 利用卫星遥感资料分析PM2.5、大气气溶胶乃至其余大气成分的区域分布和变化逐渐成为目前重要的技术手段.卫星遥感技术可以提供区域尺度乃至全球尺度上包含气溶胶光学厚度(AOD或AOT)在内的各种大气成分分布信息, 为认识不同尺度上的污染分布、来源以及区域间传输过程提供有效手段[20, 21].大气中气溶胶含量显著增加, 不仅使城市空气质量受到较大威胁, 而且对区域环境和气候也造成巨大的影响[22].有研究表明各城市间存在大气污染的相互影响和输送问题[23, 24], 因此气溶胶的分布特征与污染物来源有着密切关系.在表征气溶胶物理特性的参量中, AOD反映了气溶胶粒子对太阳辐射的消光作用, 能够推算气溶胶含量、评估大气污染程度[25].在过去20 a中, 通过卫星对地观测的技术手段绘制大气气溶胶丰度和空间粒子特性方面取得了重大进展.从多角度成像光谱计MISR(multi-angle imaging spectroradiometer)[26]、中分辨率成像光谱辐射计MODIS(moderate resolution imaging spectroradiometer)[27]和宽视场水色扫描仪SeaWiFS (sea-viewing wide field-of-view sensor)[28]等卫星传感器实现对陆地背景上的气溶胶反演并成功用于推算全球范围内近地表细颗粒物浓度的空间分布, 同时开展多年变化趋势的研究[29, 30].
上述学者们的研究成果对粤港澳大湾区大气污染现状调查、深入认识大气污染特征及污染成因有重要参考意义, 但这些研究多是针对某一短期时间段, 或者基于单个大气污染要素开展了长时间序列的分析.而对污染物在不同时间尺度和不同空间上的分布现状调查、呈现出的长期变化规律和演变特征的探讨较少.本文通过地基观测数据和长时序卫星遥感反演产品, 以AOD、PM2.5和O3为例, 分析粤港澳大湾区大气污染现状, 重点研究粤港澳地区污染在不同时间尺度和不同空间上呈现出来的污染特点及演变趋势, 以期为环境治理、环境保护和减排措施的制度建设提供科学依据.
1 材料与方法 1.1 研究区概况粤港澳大湾区(Guangdong-Hong Kong-Macao Greater Bay Area, GBA), 由香港、澳门两个特别行政区和广东省广州、深圳、珠海、佛山、惠州、东莞、中山、江门和肇庆(珠三角)这9个地市组成, 总面积5.6万km2, 见图 1.2018年末总人口已达7 000万人.是中国开放程度最高、经济活力最强的区域之一, 在国家发展大局中具有重要战略地位.大湾区的成立是新时代推动形成全面开放新格局的新举措, 也是推动“一国两制”事业发展的新实践.推进建设粤港澳大湾区, 有利于深化内地和港澳交流合作, 对港澳参与国家发展战略, 提升竞争力, 保持长期繁荣稳定具有重要意义[31, 32].粤港澳大湾区不仅要建成充满活力的世界级城市群、国际科技创新中心、“一带一路”建设的重要支撑、内地与港澳深度合作示范区, 还要打造成宜居宜业宜游的优质生活圈, 成为高质量发展的典范.以香港、澳门、广州和深圳四大中心城市作为区域发展的核心引擎[33].
|
图 1 粤港澳地区地形和大气环境监测站点分布 Fig. 1 Distribution of the terrain area and pollutant observation sites in the GBA |
本研究主要调查粤港澳大湾区各大气污染物现状, 分析不同大气污染物在不同时间尺度和不同空间上的时空分布特征及演变趋势.研究采用的数据直接来自大湾区区域空气监控网络和互联网上分发的卫星数据产品, 这些数据默认经过各种预处理和质量控制, 在本研究中不涉及数据修订问题.
1.2.1 地面观测数据研究采用的第一类地面数据为环境监测数据.数据来自中华人民共和国生态环境部(http://www.mee.gov.cn/)提供的大湾区56个观测站点在2014~2018年间的PM10、PM2.5、SO2、NO2、O3-8h和CO等大气污染物逐时监测数据.第二类地面数据是“中国气象数据网”上提供的中国地面国际交换站气候资料日值数据集(V3.0)中广州、深圳、香港和澳门这4个站点2000~2018年逐时气象数据.
1.2.2 气溶胶光学厚度和年平均PM2.5浓度数据AOD数据来自MISR卫星平台.该数据集在NASA的兰利(Langley)研究中心生成并存档, 该产品经过严格验证, 供全球免费使用.该数据是一个同化数据集, 融合了多种气象观测要素和卫星数, 空间分辨率为0.5°×0.5°.本研究从中提取出粤港澳地区2000年3月至2018年8月的月平均AOD.
年平均PM2.5浓度数据是根据2014年5月至2016年12月粤港澳大湾区地基PM2.5观测数据和同期的MODIS、SeaWiFS和MISR这3个卫星平台的AOD产品, 利用戈达德地球观测系统化学传输模型GEOS-Chem将大气柱含量AOT和地表AOT关联起来, 得到该地区PM2.5的综合估算值, 最后利用地基观测数据和非地基观测数据之间的年际变化, 将格点上的PM2.5浓度外推到2000年[34].从而得到2000~2016年长时间序列的PM2.5格点数据, 空间分辨率为0.01°×0.01°.
1.2.3 O3和NO2数据基于卫星的O3产品来自http://projects.knmi.nl/omi/research/product/ ,时间范围为2004年10月至2018年12月,空间分辨率为0.25°×0.25°.NO2网格数据是基于GOME (global ozone monitoring experiment)、SCIAMACHY (scanning imaging absorption spectrometer for atmospheric chartography)和GOME-2卫星反演得到.利用GEOS-Chem数值模式模拟卫星反演的对流层NO2柱密度和地面NO2浓度之间的关系, 并由此生成NO2平均浓度栅格数据, 空间分辨率为0.1°×0.1°.
以上各种卫星数据的处理均采用MeteoInfo软件[35].
2 结果与讨论 2.1 地基实测污染物年际变化特征由于研究区域广、数据量庞大且受篇幅所限, 此项内容仅以PM2.5与O3-8h两个地面大气污染监测要素为例展开分析, 以示抛砖引玉.
2.1.1 基于地面实测的PM2.5浓度时间空间分布特征大湾区9个城市PM2.5浓度年际变化见图 2(香港和澳门地面污染监测数据缺失).
|
图 2 9个城市2014~2018年地面观测PM2.5浓度年际变化特征 Fig. 2 Interannual variation of PM2.5 based on ground observation in nine cities in 2014-2018 |
图 2是基于环境监测站点观测数据绘制的2014~2018年间不同城市日平均PM2.5浓度和污染等级随时间变化.PM2.5浓度等级划分依据参见文献[36].从中可以看出, 9个城市从2014年6月至2018年12月的PM2.5日均值浓度和污染等级的时空分布有以下共同特征:①近5年, 大湾区PM2.5日均值浓度主体在75μg ·m-3范围内, 空气质量指数级别为一级和二级, 指数类别为优级和良好, 见图 2中绿色和黄色所示.②每个年度的优级空气质量基本出现在3~9月.非优级空气质量出现在每年的秋冬季节, 即1、2和10~12月.③PM2.5日均值浓度等级没有出现重度及以上的污染等级.
呈现出的个体差异也很明显: ①近5年中, 肇庆出现优级的天数最少, 是9个城市中PM2.5环境质量最差的.除2016年1、2月之外, 每年的1、2和10~12月均出现轻度和中度污染等级.②PM2.5环境质量好且稳定的是惠州市和深圳市.珠海、东莞、中山和佛山这4个城市PM2.5质量分布极为相似.每一年的秋冬季节都有良好等级和轻度污染等级发生, 天数近似.③2014年10~12月, 肇庆市和深圳市出现多日轻度、中度污染天气, 其次是惠州、东莞和珠海. 2015年1、2月, 除了惠州和深圳优级、江门良好外, 其余6个城市均有轻度或中度污染. 10~12月, 肇庆、佛山和中山这3个城市出现轻度和中度等级污染. 2016年度, 广州、肇庆出现多日良好和轻度污染天气.惠州、江门、深圳和中山最好, 均为优级.而东莞、佛山和珠海为一类, 出现良好和轻度污染天气. 2017年度, 肇庆、佛山和江门出现轻、中度污染.广州、深圳和惠州为优级, 其余的中山、东莞和珠海为一类. 2018年1月, 除惠州外, 均出现轻、中度污染天气特征.肇庆、佛山、广州和珠海最为严重.其余的江门、深圳、中山和东莞为轻度等级.惠州的污染延迟到2月出现.
通过以上对5 a实测PM2.5观测资料细化研究可以看出, 大湾区PM2.5日均值浓度和污染等级的年际变化在不同时间不同空间上具有很大差异.说明污染物不仅在局地区域高浓度累积, 也存在区域间相互输送影响.
2.1.2 基于地面观测的O3-8h浓度时间空间分布特征臭氧如今已经成为城市近地层重要的大气污染物之一.图 3显示的是2014年6月至2018年12月大湾区地面环境观测站点O3-8h日平均浓度和污染等级时空分布.可以看出, 整个区域臭氧浓度主体在100μg ·m-3以下, 质量等级为优, 未出现轻度污染及以上的情形.每一年出现臭氧浓度为良好等级的时间及城市如下: 2014年5个城市, 分别为佛山(6月)、广州(10月)、江门(7月)、中山(7月)和珠海(9月). 2015年2个城市, 广州(9月)和深圳(9、10月). 2016年3个城市, 广州(5月)、江门(11月)和中山(11月). 2017年4个城市, 东莞(9月)、佛山(6月)、江门(11月)和深圳(5月). 2018年1个城市, 珠海(6月).可以看出, 2014年有最多的城市臭氧浓度在良好级别, 最少在2018年.
|
图 3 9个城市2014~2018年地面观测O3-8h浓度年际变化特征 Fig. 3 Interannual variation of O3-8h based on ground observation in nine cities in 2014-2018 |
按月统计臭氧浓度出现良好等级的次数. 5月为2次, 6月为3次, 7月为2次, 9月为4次, 10月为2次, 11月为3次, 其余月份未发现.臭氧浓度为良好级别最多的月份为9月, 其次在6月和11月.再次为5月和7月.
通过对地面观测的O3-8h浓度数据的日均值年际变化分析可以发现, 大湾区臭氧空间分布相对比较均一, 臭氧浓度出现良好等级的时间范围广, 最早可以出现在5月, 最迟可以在11月出现.
2.2 年平均PM2.5浓度空间分布的时间演变特征以上内容是基于站点观测的2014~2018年PM2.5和O3-8h日均值浓度来分析污染浓度和污染等级年际变化特点和空间差异特征.属于对单站、单要素、逐时的污染情形进行具体描述.为了能在更长时间尺度上更全面、更综合地对整个大湾区的大气环境状况进行调查并研究分析大气污染的时空演变特征, 引入相关卫星产品, 以弥补地基观测在时间和空间上的不足.
图 4为将地面观测的环境数据、气象数据和卫星数据同化后得到的2000~2016年年平均PM2.5浓度格点数据, 空间分辨率为0.01°×0.01°, 可以满足对大湾区逐年年平均PM2.5浓度空间分布细节分析的需要.
|
图 4 粤港澳湾区2000~2016年PM2.5年均值空间分布 Fig. 4 Annual mean PM2.5 concentration from 2000-2016 over the GBA |
从图 4可以看到大湾区年平均PM2.5浓度的时空变化有明显的特点.从2000~2016年, 大湾区年平均PM2.5浓度均在60μg ·m-3以下.随机一年的PM2.5浓度空间分布呈现出水波纹放射状的特点.根据这个特点, 可以简单将大湾区分为3个子区域.以广州、东莞、中山和佛山4个市为第一子区域, 为“高值区中心”.从该区域向外扩散, 该研究结果与罗毅等对近20 a中国典型区域PM2.5时空分布研究的结果较为一致[37].肇庆、惠州、江门市和深圳划为第二子区域.剩下的港、珠、澳为第三子区域.至于扩散所达覆盖面, 取决于该年度的年平均PM2.5浓度和各种热力、动力等因素.比如2001年, 扩散影响范围很小, 而2008年扩散范围最广, 之后扩散范围又开始收缩.这就不得不分析PM2.5浓度在不同空间上随时间变化特征.大湾区年平均PM2.5浓度年际变化总体上呈现出“Ω型”的特征, 即从2000年开始逐渐上扬, 大约到2008年达到顶峰, 之后基本上开始逐年下降, 2014年出现逆向波动.
2000年, 第一子区域年平均PM2.5浓度约在25~35μg ·m-3, 第二子区域约在5~15μg ·m-3, 第三子区域约为15~20μg ·m-3.年平均PM2.5浓度最高值最小, 约30μg ·m-3, 空间分布最均匀, 全区域在35μg ·m-3以下.
之后, 年平均PM2.5浓度在空间分布上的差异逐渐体现出来, 这种差异既体现在基于“广佛”核心区向外围扩散形成的梯度层次, 又体现在年平均PM2.5浓度高低.到2004年, PM2.5的空间分布差异性又开始逐渐弱化, 到2008年趋于均匀.但与2000年相比, 2004年年平均PM2.5浓度最大值增大到45μg ·m-3左右, 2008年更达到了约60μg ·m-3.从2000~2008年, 各区域上的PM2.5浓度也在逐渐增大.比如到2008年, 第一区域的广佛约60μg ·m-3, 第二区域约40μg ·m-3, 第三区域珠港澳也达到30μg ·m-3左右.
2008年之后, 不同区域上的年平均PM2.5浓度基本上逐年减低, 仅有2014年反常, 出现跳跃, PM2.5浓度逆向增加的原因或许受厄尔尼诺事件的影响[38].PM2.5浓度在各区域上的分布差异又逐年变得明显, 到了2016年, 不但各个区域上的PM2.5浓度高值明显下降, 如广佛区PM2.5降低到了30~40μg ·m-3, 其余区域不到20μg ·m-3.而且空间差异最明显, 又呈现出广佛中心区的特征, 该研究成果与文献[37]一致.
通过以上分析可以看出, 大湾区年平均PM2.5浓度有明显的时空演变特征.时空变化受“人与自然”因素的影响.自然因素方面, 中长期天气气候背景的波动在一定程度上影响着大湾区空气质量变化, 但这个问题非常复杂, 研究难度很大[38].人为因素方面主要受政府政策影响, 如产业结构调整、重点污染源整治、能源结构调整、清洁能源使用、节能减排等.在2008年以来, 广东省实施“腾笼换鸟”和“双转移”战略, 将高耗能、高污染企业从“广、佛、东”核心区外迁.为了2010年16届亚运会的举办, 实施车辆限行, 采取区域性源排放限制等方案.所有这些措施对年PM2.5浓度呈现出如图 4所示的时、空变化有一定贡献.
2.3 月平均AOT空间分布的时间演变特征为了更深入细致地调查大湾区大气污染状态, 并研究污染在更短时间尺度上的时空演变特征, 对基于MISR的2000~2018年的月平均AOD卫星产品进行分析(图 5).将整个时间段(2000~2018年)分为两段：一段为2000~2009年, 另一段为2010~2018年.
|
图 5 2000~2009年和2010~2018年两个时间段月平均AOT空间分布 Fig. 5 Spatial distribution of monthly average AOT in 2000-2009 and 2010-2018 |
从图 5可以看出大湾区月平均AOT在两个时间段上呈现出各自的时空特征.两个时间段的月平均AOT不仅数量上有明显的差异, 而且空间上呈现出的分布特征差异也很明显.同比来看, 1~12月逐月, 第一时间段(2000~2009年)大于第二时间段(2010~2018年).只有4月的同比是第二时间段明显大于第一个时间段.环比来看, 根据AOT数值大小且空间分布广泛程度做个简单排序, 第一时段, 排序为3、6、9、10、2、8、4、7、5、1、11和12月.AOT最大值接近1.0, 出现的时间在3和4月, 出现的位置中有一个值得关注, 即3月出现在肇庆的最南部, 6月出现在肇庆的北部.最小值出现在11和12月, 为0.1~0.2之间.第二时段排序为4、3、5、10、6、8、7、9、1、2、11和12月.AOT最大值为接近1.0, 出现在4月, 位置在广州和佛山, 最小值在1、2、11和12月.可以看出月平均AOT值呈现春季高, 夏秋开始递减, 这与文献[39]的研究结果较为一致.
两个时段的月平均AOT在空间分布上也具有明显特征.设想沿珠江口岸南北向划一条线, 将大湾区划分为东西两部分.空间分布上呈现出一个基本共性特征是西部月平均AOT值大于东部.但空间特征差异也较为明显, 第一时段内, 第2、3、4、6、9和10月, AOT空间分布具有明显的等级特征, 剩余月份, AOT空间分布相对平缓.而第二阶段, 仅在第3、4和5月AOT在空间分布上具有明显等级特征.第二时段的4月较为特殊, AOT高值中心虽然在西部, 但是东部区内的AOT整体上大于西部.
2.4 月平均O3浓度和近15年NO2浓度空间分布特征图 6为基于卫星的2005~2018近15年11个城市月平均O3浓度时空分布, 可以看出其时空分布有两个特征: ①臭氧浓度在空间上分布相对均匀, 空间差异小.在夏季6~8月存在明显的南北空间差异, 而在1、2月, 空间上东西差异更明显.②月平均O3浓度随时间的分布呈现出先扬后抑的特征.从1月逐渐增加, 到了5月达到最大, 文献[40]基于地基观测数据也有同样的研究结果.之后开始下降, 到12月, 与1月的情形近似.臭氧浓度之所以在5月达到全年最大, 是因为臭氧浓度与气温具有良好的相关性, 随着气温的升高, 臭氧浓度会增加.除了受温度影响之外, 相对湿度对臭氧浓度也有明显影响, 有研究表明, 当相对湿度在60% ~90%时, 相对湿度越大臭氧浓度越低[41, 42], 在高相对湿度条件下, 空气中水汽所含的·OH、HO2 ·等自由基迅速将O3分解为O2, 降低O3浓度.夏季6~8月虽然气温比5月高, 但此时也是大湾区开始进入频繁的降水天气季节, 降水量和雨日数也是一年中最高的月份, 这样的气象条件会抑制O3的形成.
|
图 6 2005~2018年O3月平均浓度空间分布 Fig. 6 Spatial distribution of O3 in the GBA in 2005-2018 |
图 7是大湾区2005~2018多年平均NO2柱浓度空间分布.从中看到NO2空间分布有明显的高值区, 为1 900×1015 mol ·cm-2, 该中心区位于广佛, 与文献[40]的研究结果较为一致.高浓度NO2沿中心向外摊开, 浓度逐渐降低为1 000×1015 mol ·cm-2, 在肇庆、惠州和江门等山区地方, NO2浓度值最小(200×1015 mol ·cm-2).NO2浓度的空间分布呈现出来的特点或许与人类活动有密切的关系.
|
图 7 2005~2018年NO2多年平均柱浓度空间分布 Fig. 7 Spatial distribution of annual average column concentration of NO2 in 2005-2018 in the GBA |
大气气溶胶产生的直观影响是大气污染问题, 而大气气溶胶潜在影响比直观影响更深远, 如在区域尺度乃至全球尺度上的大气辐射强迫效应所产生的气候问题.利用NCAR的CERES (clouds and earth's radiant energy system)提供的近20 a晴空地面(surface free cloud-SFC)长波(long wave-LW)、短波(short wave-SW)和净(NET)通量格点数据, 空间分辨率为1°×1°.结合同期AOD和月平均气温年际变化(2000~2018年)数据, 以香港为例, 对气溶胶气候辐射强迫效应开展探索性分析, 见图 8.其余3个代表性城市(澳门、广州和深圳)的相关特征见表 1.
|
图 8 香港地区气温、AOT、向下长波辐射、向下短波辐射和大气向下净辐射的时间变化 Fig. 8 Temperature, AOT, sfc_lw_down radiation, sfc_sw_down radiation, and atmospheric downward net radiation changes with time in Hong Kong |
|
表 1 两要素之间的皮尔森相关系数r Table 1 Pearson correlations r between two variables |
从图 8可以看出, 气温年际变化与晴空下的3个辐射量, 即地面长波向下辐射、地面短波向下辐射和大气层顶向下净辐射变化趋势的吻合度非常好, 而气溶胶光学厚度与这3个辐射量的吻合度要差一些.为了定量分析二者间的关系, 求得两两组合的皮尔森相关系数, 见表 1.
从表 1中可以看到, 近20 a月平均温度的年际变化与同期的长波、短波和净辐射之间存在简单但是效果很好的线性关系, 其中, 与晴空地面向下长波的相关性在0.90以上.而AOD与长波、短波和净辐射之间的线性关系不明显.
3 结论(1) 近5 a的地面观测PM2.5日均值数据表明, 粤港澳大湾区空气质量每年的3~9月为优级, 1、2月和10~12月出现良好或者轻、中度污染情形.具体到不同时间和不同空间上, PM2.5的污染现状和污染分布特征具有很大的时间和空间差异.
(2) 基于卫星的年平均PM2.5浓度数据表明, 粤港澳大湾区的PM2.5空间分布呈现出以广州、佛山为中心的水波纹放射状特点.时间演变大体呈现出Ω形态特征, 从2000年开始, 逐年增加, 到2008年浓度数值最高和扩散范围最广, 之后开始逐渐降低.
(3) 将基于卫星的近20 a月平均AOT分成两段(2000~2009年为一段, 2010~2018年为一段).每个月的同比, 除了4月之外, 都是第一时间段AOT月平均值大于第二时间段的同月.在同一个时段内不同月份的AOT值差异也明显, 最大值在春季的3、4月, 最小值出现在11、12月.设想沿珠江口岸南北向划一条线, 基本呈现出西部的AOT值大于东部的空间分布特征.
(4) 大湾区近5 a的地基O3-8h监测数据表明大湾区臭氧未出现轻度及以上污染等级. 2014年发生臭氧浓度为良好级别的城市个数最多, 5个城市.最少在2018年, 1个城市.发生月份最多的在9月, 其次为6月和11月, 再次为5月和7月.出现良好等级的时间范围广, 最早出现在5月, 最晚在11月.基于卫星的2005~2018近15年月平均O3浓度时空分布表明, 月平均O3浓度分布也呈现出先扬后抑特征, 5月出现最大值, 之后逐月递减.O3相对PM2.5而言, 在空间上的分布更均匀, 臭氧分布出现有南北分界线的特征.
(5) 月平均气温年际变化(2010~2018年)与同期地面长波向下辐射、地面短波向下辐射和晴空下的大气层顶向下净辐射变化趋势吻合度非常好, 存在简单但是效果较好的线性关系.而AOD与长波、短波和净辐射之间不能用简单的线性关系描述.
致谢: 本研究环境监测数据源自中华人民共和国生态环境部(http://www.mee.gov.cn/)；气象数据来自中国地面国际交换站气候资料数据集；卫星遥感数据产品来自美国戈达地球科学数据和信息中心(Goddard Earth Science Data and Information Services Center)和NASA的兰利(Langley)中心, 在此对各数据监制单位表示感谢.
| [1] |
刘思瑶, 濮江平, 周毓荃, 等. 河北气溶胶浓度垂直分布特性研究[J]. 气象与环境科学, 2016, 39(2): 41-45. Liu S Y, Pu J P, Zhou Y Q, et al. Study on the vertical distributive characters of aerosol concentration in Hebei[J]. Meteorological and Environmental Sciences, 2016, 39(2): 41-45. |
| [2] |
吴兑, 廖国莲, 邓雪娇, 等. 珠江三角洲霾天气的近地层输送条件研究[J]. 应用气象学报, 2008, 19(1): 1-9. Wu D, Liao G L, Deng X J, et al. Transport condition of surface layer under haze weather over the Pearl River Delta[J]. Journal of Applied Meteorological Science, 2008, 19(1): 1-9. |
| [3] | Fan S J, Wang B M, Tesche M, et al. Meteorological conditions and structures of atmospheric boundary layer in October 2004 over Pearl River Delta area[J]. Atmospheric Environment, 2008, 42(25): 6174-6186. |
| [4] |
王淑兰, 张远航, 钟流举, 等. 珠江三角洲城市间空气污染的相互影响[J]. 中国环境科学, 2005, 25(2): 133-137. Wang S L, Zhang Y H, Zhong L J, et al. Interaction of urban air pollution among cities in Zhujiang Delta[J]. China Environmental Science, 2005, 25(2): 133-137. |
| [5] |
胡晓宇, 李云鹏, 李金凤, 等. 珠江三角洲城市群PM10的相互影响研究[J]. 北京大学学报(自然科学版), 2011, 47(3): 519-524. Hu X Y, Li Y P, Li J F, et al. Interaction of ambient PM10 among the cities over the Pearl River Delta[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2011, 47(3): 519-524. |
| [6] |
周军芳, 范绍佳, 李浩文, 等. 珠江三角洲快速城市化对环境气象要素的影响[J]. 中国环境科学, 2012, 32(7): 1153-1158. Zhou J F, Fan S J, Li H W, et al. Impact of urbanization on meteorological factors in Pearl River Delta[J]. China Environmental Science, 2012, 32(7): 1153-1158. |
| [7] |
陈燕, 蒋维楣, 郭文利, 等. 珠江三角洲地区城市群发展对局地大气污染物扩散的影响[J]. 环境科学学报, 2005, 25(5): 700-710. Chen Y, Jiang W M, Guo W L, et al. Study on the effect of the city group development in Pearle River Delta on local air pollutant dispersion by numerical modeling[J]. Acta Scientiae Circumstantiae, 2005, 25(5): 700-710. |
| [8] |
李菲, 谭浩波, 邓雪娇, 等. 2006~2010年珠三角地区SO2特征分析[J]. 环境科学, 2015, 36(5): 1530-1536. Li F, Tan H B, Deng X J, et al. Characteristics analysis of sulfur dioxide in Pearl River Delta from 2006 to 2010[J]. Environmental Science, 2015, 36(5): 1530-1537. |
| [9] |
符传博, 丹利, 唐家翔, 等. 1960~2013年华南地区霾污染的时空变化及其与关键气候因子的关系[J]. 中国环境科学, 2016, 36(5): 1313-1322. Fu C B, Dan L, Tang J X, et al. Temporal and spatial characteristics of haze days and their relations with climatic factor during 1960~2013 over South China[J]. China Environmental Science, 2016, 36(5): 1313-1322. |
| [10] |
刘建, 吴兑, 范绍佳. 珠江三角洲区域污染分布及其垂直风场特征[J]. 环境科学, 2015, 36(11): 3989-3998. Liu J, Wu D, Fan S J. Distribution of regional pollution and the characteristics of vertical wind field in the Pearl River Delta[J]. Environmental Science, 2015, 36(11): 3989-3998. |
| [11] | Vingarzan R. A review of surface ozone background levels and trends[J]. Atmospheric Environment, 2004, 38(21): 3431-3442. |
| [12] | Xu X, Lin W, Wang T, et al. Long-term trend of surface ozone at a regional background station in eastern China 1991-2006:enhanced variability[J]. Atmospheric Chemistry and Physics, 2008, 8(10): 2595-2607. |
| [13] |
姚青, 韩素芹, 蔡子颍, 等. 2012年夏季天津城区BTEX污染特征与臭氧潜势分析[J]. 中国环境科学, 2013, 33(5): 793-798. Yao Q, Han S Q, Cai Z Y, et al. The diurnal variation and ozone production potential of BTEX in Tianjin in the summer of 2012[J]. China Environmental Science, 2013, 33(5): 793-798. |
| [14] |
易睿, 王亚林, 张殷俊, 等. 长江三角洲地区城市臭氧污染特征与影响因素分析[J]. 环境科学学报, 2015, 35(8): 2370-2377. Yi R, Wang Y L, Zhang Y J, et al. Pollution characteristics and influence factors of ozone in Yangtze River Delta[J]. Acta Scientiae Circumstantiae, 2015, 35(8): 2370-2377. |
| [15] |
李浩, 李莉, 黄成, 等. 2013年夏季典型光化学污染过程中长三角典型城市O3来源识别[J]. 环境科学, 2015, 36(1): 1-10. Li H, Li L, Huang C, et al. Ozone source apportionment at urban area during a typical photochemical pollution episode in the summer of 2013 in the Yangtze River Delta[J]. Environmental Science, 2015, 36(1): 1-10. |
| [16] |
洪盛茂, 焦荔, 何曦, 等. 杭州市区大气臭氧浓度变化及气象要素影响[J]. 应用气象学报, 2009, 20(5): 602-611. Hong S M, Jiao L, He X, et al. The Variation of ozone concentrations in urban districts of Hangzhou and their relationship with meteorological factors[J]. Journal of Applied Meteorological Science, 2009, 20(5): 602-611. |
| [17] | Affre C, Carrara A, Lefebre F, et al. Aircraft measurement of ozone turbulent flux in the atmospheric boundary layer[J]. Atmospheric Environment, 1999, 33(10): 1561-1574. |
| [18] | 环境保护部. 2015年中国环境状况公报[R].北京: 中华人民共和国环境保护部(现中华人民共和国生态环境部), 2016. 9-17. |
| [19] |
段晓瞳, 曹念文, 王潇, 等. 2015年中国近地面臭氧浓度特征分析[J]. 环境科学, 2017, 38(12): 4976-4982. Duan X T, Cao N W, Wang X, et al. Characteristics analysis of the surface ozone concentration of China in 2015[J]. Environmental Science, 2017, 38(12): 4976-4982. |
| [20] | Che W W, Zheng J Y, Wang S S, et al. Assessment of motor vehicle emission control policies using Model-3/CMAQ Model for the Pearl River Delta region, China[J]. Atmospheric Environment, 2011, 45(9): 1740-1751. |
| [21] | Rodrigues-Silva F, de Paula Santos U, Saldiva P H N, et al. Health risks and economic costs of absenteeism due to air pollution in São Paulo, Brazil[J]. Aerosol and Air Quality Research, 2012, 12(5): 826-833. |
| [22] |
石广玉, 王标, 张华, 等. 大气气溶胶的辐射与气候效应[J]. 大气科学, 2008, 32(4): 826-840. Shi G Y, Wang B, Zhang H, et al. The radiative and climatic effects of atmospheric aerosols[J]. Chinese Journal of Atmospheric Sciences, 2008, 32(4): 826-840. |
| [23] |
刘璇, 朱彬, 侯雪伟, 等. 基于卫星遥感和地面观测资料的霾过程分析——以长江三角洲地区一次严重霾污染过程为例[J]. 中国环境科学, 2015, 35(3): 641-651. Liu X, Zhu B, Hou X W, et al. Analysis of haze events based on satellite remote sensing and field observations:a case study of severe haze pollution over the Yangtze River Delta[J]. China Environmental Science, 2015, 35(3): 641-651. |
| [24] |
李成才, 毛节泰, 刘启汉, 等. MODIS卫星遥感气溶胶产品在北京市大气污染研究中的应用[J]. 中国科学D辑地球科学, 2005, 48(S1): 177-186. Li C C, Mao J T, Lau A K H, et al. Application of MODIS satellite products to the air pollution research in Beijing[J]. Science in China Series D Earth Sciences, 2005, 48(S2): 209-219. |
| [25] | Holben B N, Eck T F, Slutsker I, et al. AERONET-a federated instrument network and data archive for aerosol characterization[J]. Remote Sensing of Environment, 1998, 66(1): 1-16. |
| [26] | Martonchik J V, Kahn R A, Diner D J. Retrieval of aerosol properties over land using MISR observations[A]. In: Kokhanovsky A A, de Leeuw G (Eds.). Satellite Aerosol Remote Sensing over Land[M]. Berlin: Springer, 2009. 267-293. |
| [27] | Levy R C. The collection 6 MODIS aerosol products over land and ocean[J]. Atmospheric Measurement Techniques, 2013, 6(11): 2989-3034. |
| [28] | Sayer A M, Hsu N C, Bettenhausen C, et al. Global and regional evaluation of over-land spectral aerosol optical depth retrievals from SeaWiFS[J]. Atmospheric Measurement Techniques, 2012, 5(7): 1761-1778. |
| [29] | Boys B L, Martin R V, van Donkelaar A, et al. Fifteen-year global time series of satellite-derived fine particulate matter[J]. Environmental Science & Technology, 2014, 48(19): 11109-11118. |
| [30] | Crawford J, David D C, Stelcer E, et al. Long term fine aerosols at the cape grim global baseline station:1998 to 2016[J]. Atmospheric Environment, 2017, 166: 34-46. |
| [31] | 新华网.习近平出席《深化粤港澳合作推进大湾区建设框架协议》签署仪式[EB/OL]. http://www.xinhuanet.com//politics/2017-07/01/c_1121247167.htm,2018-04-10. |
| [32] | 新华网.粤港澳大湾区建设领导小组办公室: 携手粤港澳三地共建国际一流湾区增进民生福祉[EB/OL]. http://www.xinhuanet.com//politics/2019-02/18/c_1210062217.htm,2019-02-18. |
| [33] | 新华社.中共中央国务院印发《粤港澳大湾区发展规划纲要》[EB/OL]. http://www.gov.cn/zhengce/2019-02/18/content_5366593.htm#1,2019-02-18. |
| [34] | van Donkelaar A, Martin R V, Brauer M, et al. Use of satellite observations for long-term exposure assessment of global concentrations of fine particulate matter[J]. Environmental Health Perspectives, 2015, 123(2): 135-143. |
| [35] | Wang Y Q. MeteoInfo:GIS software for meteorological data visualization and analysis[J]. Meteorological Applications, 2014, 21(2): 360-368. |
| [36] | 人民网. 《环境空气质量标准》修改单等获生态环境部原则通过[EB/OL]. http://env.people.com.cn/n1/2018/0801/c1010-30183871.html,2018-08-02. |
| [37] |
罗毅, 邓琼飞, 杨昆, 等. 近20年来中国典型区域PM2.5时空演变过程[J]. 环境科学, 2018, 39(7): 3303-3013. Luo Y, Deng Q F, Yang K, et al. Spatial-Temporal change evolution of PM2.5 in typical regions of China in recent 20 years[J]. Environmental Science, 2018, 39(7): 3003-3013. |
| [38] |
吴兑, 刘啟汉, 梁延刚, 等. 粤港细粒子(PM2.5)污染导致能见度下降与灰霾天气形成的研究[J]. 环境科学学报, 2012, 32(11): 2660-2669. Wu D, Alexis K H L, Leung Y, et al. Hazy weather formation and visibility deterioration resulted from fine particulate (PM2.5) pollutions in Guangdong and Hong Kong[J]. Acta Scientiae Circumstantiae, 2012, 32(11): 2660-2669. |
| [39] |
刘莹, 林爱文, 覃文敏, 等. 1990~2017年中国地区气溶胶光学厚度的时空分布及其主要影响类型[J]. 环境科学, 2019, 40(6): 2572-2581. Liu Y, Lin A W, Qin W M, et al. Spatial-temporal distribution of aerosol optical depth and its main influence types in China during 1990-2017[J]. Environmental Science, 2019, 40(6): 2572-2581. |
| [40] |
廖志恒, 孙家仁, 范绍佳, 等. 2006~2012年珠三角地区空气污染变化特征及影响因素[J]. 中国环境科学, 2015, 35(2): 329-336. Liao Z H, Sun J R, Fan S J, et al. Variation characteristics and influencing factors of air pollution in Pearl River Delta area from 2006 to 2012[J]. China Environmental Science, 2015, 35(2): 329-336. |
| [41] |
齐冰, 牛彧文, 杜荣光, 等. 杭州市近地面大气臭氧浓度变化特征分析[J]. 中国环境科学, 2017, 37(2): 443-451. Qi B, Niu Y W, Du R G, et al. Characteristics of surface ozone concentration in urban site of Hangzhou[J]. China Environmental Science, 2017, 37(2): 443-451. |
| [42] |
苏彬彬. 华东森林及高山背景区域臭氧变化特征及影响因素[J]. 环境科学, 2013, 34(7): 2519-2525. Su B B. Characteristics and impact factors of O3 concentrations in mountain background region of east China[J]. Environmental Science, 2013, 34(7): 2519-2525. |